SlideShare a Scribd company logo
1 of 57
모바일과 웹 비즈니스 분석을 위한 
Google Analytics 활용 
Produce By Lee Tae Young
Titanium에서 Analytics 
• tiapp.xml 에 <analytics>true</analytics> 
• https://my.appcelerator.com/auth/login?r 
edirect_to=http%3A%2F%2Fanalytics.app 
celerator.net%2F
Default Setting 
• 먼저 Google APIs Console에 가서 새로은 프로젝 
트를 만든다 
https://code.google.com/apis/console/ 
• 새 프로젝트를 만들었다면 Services메뉴에 가서 
Analytics API 서비스를 사용함으로 변경한다. 
• API Access 메뉴에 가서 Create an Oauth 2.0 
Client-ID... 버튼을 클릭한다. 
• Product name, Home Page URL 등 정보를 입력한 
다. 
• Application type은 web application으로 선택한다.
https://code.google.com/apis/console/
2014년 We Make Price 사례
1st. Step – 다 꺼보죠?
모든 광고/제휴 채널을 OFF 해보니 
비로소 각 마케팅 채널의 실 영향력이 보이기 시작함 
마케터 R&R/KPI 설정, ROI 순 예산 집행 시작
2nd. Step – 오직 데이터로 말해주세요!
모든 마케터들이 GA를 배우고.. 
본인이 담당하는 채널의 아주 구체적인 지표들을 
직접 데이터로 정리 보고하기 시작함
3rd. Step – TEST & GO!
마케팅 채널의 선택과 예산은.. 
광고, 제휴, 쿠폰 등 AB TEST를 통해 효과 검증 후 
집행 확정 및 실질 예산을 배정받게 되고 
매주 결과를 공유함
껐다 켜고, 테스트하고, 데이터로만 보고하고 판단하길 
무한 반복하며 8개월을 보낸 뒤..
그리고 다시 1년!
2014.1
2014.1 
■ 닐슨코리안클릭 자료 기준 
2014. 1. 월간기준 PC Web + Mobile Web/App 
연속 2개월 소셜커머스 전체 1위 
2014. 1월 5주차 PC Web + Mobile Web/App 
옥션 UV 추월, 11번가와 4% 차이
위메프 마케터에게 분석이란?
위메프 마케터에게 분석이란? 
까봤어? 믿지마, 의심해! 
[GA], [Admin], [Agency Report]
위메프 마케터에게 분석이란? 
테스트 하고, 인사이트 얻고 
[데일리체크리스트], [위클리 인사이트] @ google docs
위메프 마케터에게 분석이란? 
경쟁사 
[모니터링], [분석], [테스트]
그런 마케터에게 GA란?
그런 마케터에게 GA란? 
자유롭게 설정가능 한 소스/미디엄(매체)/캠페인 
?utm_source=naver&utm_medium=cpc&utm_campaign=r_da 
source medium campaign 
NAVER, DAUM 
NATE, GOOGLE 
COUPONMOA 
보통 트래픽의 출처 
ROLLINGBOARD 
NEWS250, GDN 
META_AF, AF_AF 
세부 매체명 또는 성격 
J_DA_DAUM 
회원가입, 매출 등 
MAIN KPI를 소스/매체 
구분없이 할 수 있도록 
설정
그런 마케터에게 GA란? 
전자상거래 및 목표세트를 소스/미디엄/키워드/캠페인별 체크 
이를 다시 측정기준 드릴다운하여 더 디테일 하게 체크 가능 
UI가 쉬운듯 어렵지만 마케터가 노력한 만큼 더 볼 수 있다는 것이 장점
그런 마케터에게 GA란? 
실시간 트래픽 현황을 매체/콘텐츠/이벤트 별 파악 가능 
소셜커머스의 시간제 판매방식에는 아주 적합
그런 마케터에게 GA란? 
대쉬보드와 맞춤보고서 
마케터별 측정이 필요한 요소로만 구성 가능
그런 마케터에게 GA란? 
다채널 유입경로로 컨버전 추적 
Funnel Strategy에 입각한 채널의 우선순위 파악 가능
그런 마케터에게 GA란? 
아직 App D/L 및 Web과의 상호작용 트레킹은 부족 
Universal Analytics를 기대해 봅니다.
목표 
1. 아래의 과정을 통해 작동되는 G/A의 흐름을 이해 
2. 각 흐름의 이해에 필요한 기본 개념 습득 
3. G/A Report를 이해하는데 필요한 용어들의 의미 파악
데이터 흐름 
데이터의 유입경로 
– G/A에서 사용되는 데이터의 유입경로는 Tracking으로 추적 대상에서 직접 추적하는 
방법과 외부 소수에서 가져오는 두 가지 경우가 있음 
Tracking 
Importing
Google Analytics이해 
1. Collecting 
2. Processing & Configuration 
3. Reporting
1.Collection 
Collection의 개념 
- User Activity의 정보를 모아 그리고 Hit이라는 단위로 데이터를 G/A로 보내는 것 
Devices 
Your Google 
Analytics Account 
Interactions 
Hits 
Users 
Sessions 
Hits 
Devices의 종류에 따른 사용 도구 
- Device의 종류에 따라 Hit을 생성하는 도구는 다르지만 작동방식은 유사함 
Web – Java script “analytics.js” 
Mobile App – Software Development Kits
1.Collection 
Web과 Mobile App 각각의 Data Collection 방법 
Tracking Code 
- Web Data Collection 
 Web Tracking 하려는 HTML에 G/A에서 제공하는 
표준 Tracking Code를 <head>~</head>사이 
삽입함 
 이 코드가 페이지를 불러 올 때마다 page view 
hit을 발생시킴 
 HTML에서 페이지를 불러오게 되면 HTML이 
위에서 아래로 읽히기 때문에 사용자가 이 
페이지가 완전히 열리기 전에 페이지를 떠난다 
해도 Tracking Code는 작동하게 됨 
 Tracking Code는 JavaScript와 동기화 되지 않은 
채로 움직이므로 브라우저가 다른 일들을 
하더라도 계속해서 작동할 수 있음 
진행방향
1.Collection 
Web과 Mobile App 각각의 Data Collection 방법 
-Mobile App Collection 
 Software Development Kit이 정보를 수집하고 Hit을 만듦 
 모바일기기OS에 따라 SDK의 종류가 다르기 때문에 작동방법이 기기별차이 존재 
 Web과 비교해 Mobile은 Dispatching을 사용함 
>SDK는 생성되는 Hit을 실시간으로 G/A로 보내지 않고 저장하며 일정시간마다 
Dispatching함 
(Android:매30분, iOS:매2분, 사용자 지정 가능) 
>Why? 
1)모바일은 항상 온라인이 아닐 수 있음 
2)발생되는 정보를 계속해서 보내면 기기의 배터리 소모가 큼
Google Analytics이해 
1. Collecting 
2. Processing & Configuration 
3. Reporting
2.Processing&Configuration 
Processing&Configuration을 통해 변하게 되는 4가지 
(1) Hits의 Users와 Sessions에 해당하는 데이터를 구글의 규칙에 따라 분류 
 Users는 최초의 Hit이 발생되었을 때 G/A는 무작위의 식별번호를 받은 디바이스 
>New Users와 Returning Users의 구분 
따라서 이 식별번호에 따라 저장되지 않은 식별번호를 가진 Users는 New Users, 
그렇지 않고 저장되어있는 식별번호를 가진 Users는 Returning Users 
>식별번호의 제거 
이 고유식별번호는 Web의 브라우저 쿠키에 저장, 해당 App에 저장됨 
따라서 브라우저의 쿠키/App을 삭제하면 고유식별번호는 함께 삭제됨 
삭제된 뒤에 Web에 접속하거나, App을 재설치 할 경우에는 New Users가 됨 
 Session은 특정 시간 내 일어난 일련의 Interaction의 집합 
시간의 흐름 
30분 
이내 
30분 
이내 
30분 
이내 
아무런 Interaction 없이 30분 경과 
바풀 접속 로그인 풀이영상시청 댓글작성 
1 session 
>따라서, 한 Users가 다수의 Session을 기록할 수 있음 
>30분은 구글 기본설정의 Time Length이므로 자사의 사정에 맞게 변경가능
2.Processing&Configuration 
(2) Importing을 통한 외부소스의 데이터가 G/A로 들어오게 됨 
(3) Configuration Rule을 통해 포함되어야 할 데이터와 포함되지 말아야 할 데이터, 
데이터의 형식변화 등의 데이터 가공을 하게 됨 
세 가지 주요 방법: Filters, Goals, Grouping 
Filters 
>각각의 View에서 데이터를 변환시킬 수 있는 방법 
>특정 데이터의 배제, 포함, 형태를 변환하는데 모두 쓰일 수 있음 
Goals 
>Goal을 설정하며 어떤 행위가 Conversions으로 계산되어야 할지 알 수 있음 
>Goal이 설정되면 Goal과 관련된 Metrics를 사용할 수 있음
2.Processing&Configuration 
 Grouping 
>그룹핑을 하면 특정한 데이터들을 한번에 묶어서 볼 수 있음 
>그룹핑의 두 가지 타입: Channel groups & Content groups 
Channel Groups: 
공통의 마케팅 경로를 통해 모인 데이터들임. 
예:Facebook과 Twitter에서 온 Traffic을 그룹핑해 Social Media로 묶음 
Content Groups은 동일한 부류의 내용을 그룹핑하는 것임. 
“수학문제” 
4) Aggregation과정을 통해 데이터들을 의미있는 형식으로 준비된 데이터베이스 
테이블에 정리됨 
 G/A를 열었을 때, 이미 여러 종류의 Report들을 빠르게 볼 수 있는 이유
Google Analytics이해 
1. Collecting 
2. Processing & Configuration 
3. Reporting
Reporting 
Reporting에서 알아두어야 할 세 가지: Dimensions&Metrics, API, and Sampling 
(1) Dimensions & Metrics 
Dimensions은 데이터의 성격을 묘사해 주는 것 
Metrics는 데이터의 양적 수치를 나타내는 것 
각각의 Dimensions과 Metrics에는 데이터의 서열에 알맞은 scope를 가지고 있음 
(Scope은 크게 User/Session/Hit으로 나뉘어짐 ex)Page title - visits(x) 
일반적으로 같은 scope를 가진 Dimensions과 Metrics를 사용할 때 유의미한 
:결과 도출가능 
(2) APIs 
G/A의 데이터를 활용해 자기만의 Dashboard를 만들거나 또 다른 App을 만들 수 있음 
API가 G/A에 쿼리를 요청하면 G/A가 데이터를 주는 방식 
(3) Sampling 
무작위의 상대적으로 적은 개수의 데이터를 가지고 Report를 뽑아내는 방법 
이용 가능한 모든 데이터를 사용하는 것보다 부정확하지만 빠른 결과를 만들어 낼수 있음 
 샘플링은 Aggregation Table에서 바로 만들어 낼 수 있는 Report 이외의 Report를 
만들기 위해 새로운 분석작업이 필요할 때, 너무 많은 수의 데이터를 다루는 경우 
Sampling을 사용. 
샘플링이 작동하기 위한 데이터의 수는 사용자가 지정할 수 있으면, 데이터 수가 많을 
수록 정확하지만 속도가 느리고, 데이터 수가 적을 수록 속도가 빠르고 부정확해짐
Reporting 읽기
Report&Demension설명 – 기초화면 예시
Report&Demension설명 – 기초화면 설명(1) 
- 보여줄 데이터의 기간설정 
- 일정기간과 비교 가능 
- 오른쪽 버튼으로 얼마나 
많은 양의 데이터를 샘플 
할 것인지 설정 
- 왼쪽버튼은 도움말로 이 
페이지의 기능 설명을 간 
략히 들을 수 있음 
하단 부분의 내용을 간략히 
보여줄 수 있는 이미지(지도 
혹은 그래프) 
Summary: 정보요약 
Site Usage: (사용된 사이트) 
Goal Set1: (설정 된 Goal1의 달성 정도) 
Ecommerce: (거래 정보) 
이미지 선택 
(지도 or 그래프) 
Dimension에서 
볼 Metrics의 종류 
이 Dimension에서 선택할 수 
있는 세부항목들 
표시될 Segment 선택
Report&Demension설명 – 기초화면 설명(2) 
2차 Dimension 선택 커맨트 Dimension 검색기 자료 표시방법 변환 
1차 Dimension 2차 Dimension 
선택 시에만 제시됨 
- 표 
- 원그래프 
- 막대그래프 
- 평균비교 그래프 
- 피벗테이블 
Metrics 및 Metrics 수치
모든 Dimension의 정리 
Dashboards 
Shortcuts 
Intelligence 
Events 
Real-Time 
Audience 
Acquisition 
Behavior 
Conversion 
- Private 
+New Dashboard 
- Overview 
- Overview 
- Daily Events 
- Weekly Events 
- Monthly Events 
- Overview 
- Locations 
- Traffic Sources 
- Content 
- Events 
- Conversions 
- Overview 
- Channels 
- All Traffic 
- All Referrals 
- Campaigns 
- Keywords 
- Cost Analysis 
- Adwords 
- Social 
- Search Engine Optimization 
- Overview 
- Behavior Flow 
- Site Content 
- Site Speed 
- Site Search 
- Events 
- AdSense 
- Experiments 
- In-Page Analystics 
- Goals 
- Ecommerce 
- Multi-Channel Funnels 
- Attribution 
- Overview 
- Demographics 
- Interests 
- Geo 
- Behavior 
- Technology 
- Mobile 
- Custom 
- Users Flow
Dimension 
Audience 
Demographics 
Interests 
Geo 
Behavior 
Technology 
Mobile 
Custom 
Users Flow 
- Age 
- Gender 
- Affinity Categories 
- In-Market Segments 
- Other Categories 
- Language 
- Location 
- New vs Returning 
- Frequence&Recency 
- Engagement 
- User-ID Coverage(?) 
- Browser&OS 
- Network 
- Overview 
- Device 
- Custom Variables 
- User Defined 
Dimensions 
- 이용자의 나이 
- 성별 
- 관심분야 
- 상품/서비스의 구매를 고려하는 잠재 고객들 
- 자사의 사이트 방문에 관심을 가질만한 잠재고객 
- 사용자의 브라우저에 설정되어있는 언어 
- IP주소를 바탕으로 한 위치정보 
- 신규 방문자, 재방문(*구분방법은 위에있음) 
- Count of Session: 정해진 기간 동안의 Session수/ 
Days Since Last Session: 마지막 세션으로부터 재방문일수 
- Session Duration: 세션지속시간 
Page Depth: 한 세션당 들어간 페이지의 수 
- 웹사이트에 방문하기 위해 사용한 브라우저/OS의 종류 
- 웹사이트에 방문하기 위해 사용한 인터넷의 서비스 제공자 
- User들의 브라우저에 설정된 언어 
- IP 주소에 근거한 위치 정보 
Device Category(=Tablet, Mobile, Desktop) 
Device를 확인할 수 있는 브랜드/모델명/마케팅이름 
- Interaction 단계별 사용자들의 흐름을 알 수 있음
Dimension 
Acquition 
Channels 
All Traffic 
All Referrals 
Campaigns 
Keywords 
Cost Analysis 
AdWords 
Social 
Search Engine 
Optimization 
Dimensions 
- Default Channel Grouping 
Direct: 사이트에 다른 경로를 거치지 않고 바로 접속 
Organic Search: 검색 엔진의 결과를 거치고 접속 
Referral: 검색 엔진 이외의 사이트를 거치고 접속 
- Source/Medium: 트래픽이 어디에서 오는지 알게 해줌 
Source: 해당 컨텐츠를 보기 직전에 사용자가 있었던 장소 
Medium: 어떻게 사용자가 해당컨텐츠에 도달했는지 알려줌 
- Keyword: 사용자가 해당 사이트 도달하기 위해 사용한 단어 
- Source: 해당 컨텐츠를 보기 직전에 사용자가 있었던 장소 
Landing Page: 해당 사이트에 들어오기 위한 첫 페이지
Dimension 
Behavior 
Behavior Flow 
Site Content 
Site Speed 
Site Search 
Events 
AdSense 
Experiments 
In-Page 
Analysitcs 
- All Pages 
- Content Drilldown(?) 
- Landing Pages 
- Exit Pages 
- Page Timings 
- Speed Suggestions 
- User timings 
- Usage 
- Search Terms 
- Pages 
- Top Events 
- Pages 
- Events Flow 
Dimensions 
- Interaction 단계별 사용자들의 흐름을 알 수 있음 
- Pages: URI*로 표시된 페이지. 
*URI는 URL에서 도메인이름 바로 뒤에 따라 나오는 이름 
예) www.example.com/contact.html의 URI는 /contact.html 
- Pages: URI*로 표시된 페이지. 
- Site Search Status: 내부 사이트 검색 사용자와 비사용자 구 
분 
- Event Category : 이벤트로 등록된 행위들의 목록 
- Pages: URI*로 표시된 페이지 
- Events Flow: 이벤트간의 이용자 이동의 흐름
Dimension 
그 이외 Report 간략 정리 
Dashboards 
Shortcuts 
Intelligence 
Events 
Real-Time 
Conversion 
- Private 
+New Dashboard 
- Overview 
- Overview 
- Daily Events 
- Weekly Events 
- Monthly Events 
- Overview 
- Locations 
- Traffic Sources 
- Content 
- Events 
- Conversions 
- Goals 
- Ecommerce 
- Multi-Channel Funnels 
- Attribution 
Report 설명 
- G/A사용자가 원하는 정보들만 모아서 볼 수 있게 해줌 
- G/A사용자가 자주보는 정보들의 바로가기 
- 특정 수치에 대해 알람을 만들 수 있음 
- G/A의 실시간 분석 
- 소비자의 소비가 실제로 일어나는 곳을 추적하게 해줌
Metrics 설명 
Metrics 설명 
Avg.Session Duration – Session당 평균 지속 시간 
Avg.Time on Page – 특정 페이지에서 사용자가 머무는 시간 평균 
Avg.Value – 전체 Event 가치 평균 
Bounce Rate 
– 한 페이지에만 접속하고 아무런 Interaction없이 바로 떠나는 
방문수 
Entrances – 사이트에 들어오기 위한 특정 페이지를 통한 이용자의 수 
Event Value 
– Event들의 총 가치 
– 설정된 Event별 가치를 곱해서 계산 
Exits – 방문자가 이 페이지에서 사이트를 빠져나간 수 
New Users – 최초의 고유식별 번호를 가진 Hits의 수 
Page Value – (Transaction Revenue+Total Goal Value)/Unique Page views 
Pages/Session – Session당 페이지 수 
– 작동된 페이지의 전체 수 
Pageviews 
반복되는 페이지의 작동도 모두 포함 
Total Events – Events가 일어난 총 숫자 
Unique Events – 일정기간 내 특정 dimension을 포함한 session의 발생횟수 
Users – 일정기간 내 한 번의 Session이라도 가진 식별번호의 수 
Session – 일정기간 내 Session의 총수 
– Exits의 수/Page view의 수 
%Exit 
이용자가 이 페이지를 방문했을 때 얼마나 떠나는지를 보여줌 
%New Sessions – 최조 방문자들의 비중 
*Goal과 관련된 Metrics 제외 
**G/A에서 제공된 설명을 기초로 작성되었기 때문에 실제 사용을 통한 검증필요 
-Visitor가 Session으로 대체되었으나 G/A설명은 업데이트 되지 않음
참고 자료 
• 데이터 분석을 통한 위메프의 성장과 
Google Analytics 
• Google Analytics Seminar - Bapul

More Related Content

What's hot

[Gastudy.net] Google analytics platform principles
[Gastudy.net] Google analytics platform principles[Gastudy.net] Google analytics platform principles
[Gastudy.net] Google analytics platform principlesSeHeung Oh
 
소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략
소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략
소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략DongSung Kim
 
Google 애널리틱스 시작하기
Google 애널리틱스 시작하기 Google 애널리틱스 시작하기
Google 애널리틱스 시작하기 Jihyun Ahn
 
[Gastudy.net] Digital analytics fundamentals
[Gastudy.net] Digital analytics fundamentals[Gastudy.net] Digital analytics fundamentals
[Gastudy.net] Digital analytics fundamentalsSeHeung Oh
 
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서엔에이치엔디엔티(NHN D&T)
 
활성 사용자(Active user) 개념잡기
활성 사용자(Active user) 개념잡기활성 사용자(Active user) 개념잡기
활성 사용자(Active user) 개념잡기와이즈트래커
 
캡셔네이터 사용자 가이드
캡셔네이터 사용자 가이드캡셔네이터 사용자 가이드
캡셔네이터 사용자 가이드Booseol Shin
 
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커BizSpring Inc.
 
서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석YOO SE KYUN
 
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다승화 양
 
[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표
[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표
[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표Dylan Ko
 
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA)
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA) 오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA)
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA) Yongho Ha
 
스타트업 데이터분석 - 퍼널분석과 코호트분석
스타트업 데이터분석 - 퍼널분석과 코호트분석스타트업 데이터분석 - 퍼널분석과 코호트분석
스타트업 데이터분석 - 퍼널분석과 코호트분석Seonggwan Lee
 
[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?BizSpring Inc.
 
디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정
디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정
디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정BizSpring Inc.
 
알면 알수록 어려운 서비스 기획 뽀개기_2020
알면 알수록 어려운 서비스 기획 뽀개기_2020알면 알수록 어려운 서비스 기획 뽀개기_2020
알면 알수록 어려운 서비스 기획 뽀개기_2020YOO SE KYUN
 
데이터 분석 동향과 비즈스프링이 제공하는 데이터
데이터 분석 동향과 비즈스프링이 제공하는 데이터데이터 분석 동향과 비즈스프링이 제공하는 데이터
데이터 분석 동향과 비즈스프링이 제공하는 데이터BizSpring Inc.
 
인사이트™ vs 타사 웹로그분석 제품 비교
인사이트™ vs 타사 웹로그분석 제품 비교 인사이트™ vs 타사 웹로그분석 제품 비교
인사이트™ vs 타사 웹로그분석 제품 비교 BizSpring Inc.
 
BizSpring influencer_Introduction_2020
BizSpring influencer_Introduction_2020BizSpring influencer_Introduction_2020
BizSpring influencer_Introduction_2020BizSpring Inc.
 
[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례
[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례
[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례BizSpring Inc.
 

What's hot (20)

[Gastudy.net] Google analytics platform principles
[Gastudy.net] Google analytics platform principles[Gastudy.net] Google analytics platform principles
[Gastudy.net] Google analytics platform principles
 
소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략
소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략
소셜미디어와 웹로그 분석을 통한 브랜드 가치 분석과 마케팅 전략
 
Google 애널리틱스 시작하기
Google 애널리틱스 시작하기 Google 애널리틱스 시작하기
Google 애널리틱스 시작하기
 
[Gastudy.net] Digital analytics fundamentals
[Gastudy.net] Digital analytics fundamentals[Gastudy.net] Digital analytics fundamentals
[Gastudy.net] Digital analytics fundamentals
 
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
[에이스카운터 웹로그분석]에이스카운터 ASP 서비스 소개서
 
활성 사용자(Active user) 개념잡기
활성 사용자(Active user) 개념잡기활성 사용자(Active user) 개념잡기
활성 사용자(Active user) 개념잡기
 
캡셔네이터 사용자 가이드
캡셔네이터 사용자 가이드캡셔네이터 사용자 가이드
캡셔네이터 사용자 가이드
 
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
비즈스프링과 함께하는 앱전문 분석 솔루션 - 와이즈트래커
 
서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석서비스 기획자의 데이터 분석
서비스 기획자의 데이터 분석
 
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
실전 스타트업 데이터분석: 소셜데이팅 이음은 이렇게 한다
 
[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표
[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표
[우리가 데이터를 쓰는 법] 우리가 고객을 이해하는 법 - 에그번 에듀케이션 문관균 대표
 
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA)
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA) 오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA)
오늘 밤부터 쓰는 google analytics (구글 애널리틱스, GA)
 
스타트업 데이터분석 - 퍼널분석과 코호트분석
스타트업 데이터분석 - 퍼널분석과 코호트분석스타트업 데이터분석 - 퍼널분석과 코호트분석
스타트업 데이터분석 - 퍼널분석과 코호트분석
 
[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?[비즈스프링] 웹로그분석은 무엇인가?
[비즈스프링] 웹로그분석은 무엇인가?
 
디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정
디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정
디지털 광고시장의 변화 그리고 어트리뷰션을 통한 광고 성과 측정
 
알면 알수록 어려운 서비스 기획 뽀개기_2020
알면 알수록 어려운 서비스 기획 뽀개기_2020알면 알수록 어려운 서비스 기획 뽀개기_2020
알면 알수록 어려운 서비스 기획 뽀개기_2020
 
데이터 분석 동향과 비즈스프링이 제공하는 데이터
데이터 분석 동향과 비즈스프링이 제공하는 데이터데이터 분석 동향과 비즈스프링이 제공하는 데이터
데이터 분석 동향과 비즈스프링이 제공하는 데이터
 
인사이트™ vs 타사 웹로그분석 제품 비교
인사이트™ vs 타사 웹로그분석 제품 비교 인사이트™ vs 타사 웹로그분석 제품 비교
인사이트™ vs 타사 웹로그분석 제품 비교
 
BizSpring influencer_Introduction_2020
BizSpring influencer_Introduction_2020BizSpring influencer_Introduction_2020
BizSpring influencer_Introduction_2020
 
[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례
[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례
[비즈스프링] 모바일 앱 인스톨 캠페인의 광고비 예산 책정 성공사례
 

Viewers also liked

언어의 변천사를 통해 바라본 Python
언어의 변천사를 통해 바라본 Python언어의 변천사를 통해 바라본 Python
언어의 변천사를 통해 바라본 PythonTae Young Lee
 
Spm12를 이용한 fmri analysis
Spm12를 이용한 fmri analysisSpm12를 이용한 fmri analysis
Spm12를 이용한 fmri analysisTae Young Lee
 
Neural network의 변천사 이태영
Neural network의 변천사 이태영Neural network의 변천사 이태영
Neural network의 변천사 이태영Tae Young Lee
 
Sns(social network service)
Sns(social network service)Sns(social network service)
Sns(social network service)Tae Young Lee
 
The other sensory systems
The other sensory systemsThe other sensory systems
The other sensory systemsTae Young Lee
 
Machine learning in spam
Machine learning in spamMachine learning in spam
Machine learning in spamTae Young Lee
 
Reproductive behaviors
Reproductive behaviorsReproductive behaviors
Reproductive behaviorsTae Young Lee
 
Android Studio개발 환경 설정(genymotion연동)
Android Studio개발 환경 설정(genymotion연동)Android Studio개발 환경 설정(genymotion연동)
Android Studio개발 환경 설정(genymotion연동)Tae Young Lee
 
OpenStack으로 바로보는 상용 클라우드 플랫폼
OpenStack으로 바로보는 상용 클라우드 플랫폼OpenStack으로 바로보는 상용 클라우드 플랫폼
OpenStack으로 바로보는 상용 클라우드 플랫폼Tae Young Lee
 
2017 tensor flow dev summit
2017 tensor flow dev summit2017 tensor flow dev summit
2017 tensor flow dev summitTae Young Lee
 
Python으로 채팅 구현하기
Python으로 채팅 구현하기Python으로 채팅 구현하기
Python으로 채팅 구현하기Tae Young Lee
 
Python socket programming
Python socket programmingPython socket programming
Python socket programmingTae Young Lee
 
Perspective of query
Perspective of queryPerspective of query
Perspective of queryTae Young Lee
 
Denoising auto encoders(d a)
Denoising auto encoders(d a)Denoising auto encoders(d a)
Denoising auto encoders(d a)Tae Young Lee
 
Src슬라이드(3총괄2세부) 김유경
Src슬라이드(3총괄2세부) 김유경Src슬라이드(3총괄2세부) 김유경
Src슬라이드(3총괄2세부) 김유경SRCDSC
 
Python Network Programming
Python Network ProgrammingPython Network Programming
Python Network ProgrammingTae Young Lee
 
The art of data science
The art of data scienceThe art of data science
The art of data scienceTae Young Lee
 
페이스북 기업활동, 성과측정 어떻게 할 것인가
페이스북  기업활동, 성과측정 어떻게 할 것인가페이스북  기업활동, 성과측정 어떻게 할 것인가
페이스북 기업활동, 성과측정 어떻게 할 것인가kang Anthony
 

Viewers also liked (20)

언어의 변천사를 통해 바라본 Python
언어의 변천사를 통해 바라본 Python언어의 변천사를 통해 바라본 Python
언어의 변천사를 통해 바라본 Python
 
Spm12를 이용한 fmri analysis
Spm12를 이용한 fmri analysisSpm12를 이용한 fmri analysis
Spm12를 이용한 fmri analysis
 
Neural network의 변천사 이태영
Neural network의 변천사 이태영Neural network의 변천사 이태영
Neural network의 변천사 이태영
 
Sns(social network service)
Sns(social network service)Sns(social network service)
Sns(social network service)
 
The other sensory systems
The other sensory systemsThe other sensory systems
The other sensory systems
 
Machine learning in spam
Machine learning in spamMachine learning in spam
Machine learning in spam
 
Reproductive behaviors
Reproductive behaviorsReproductive behaviors
Reproductive behaviors
 
20151024 database
20151024 database20151024 database
20151024 database
 
Android Studio개발 환경 설정(genymotion연동)
Android Studio개발 환경 설정(genymotion연동)Android Studio개발 환경 설정(genymotion연동)
Android Studio개발 환경 설정(genymotion연동)
 
OpenStack으로 바로보는 상용 클라우드 플랫폼
OpenStack으로 바로보는 상용 클라우드 플랫폼OpenStack으로 바로보는 상용 클라우드 플랫폼
OpenStack으로 바로보는 상용 클라우드 플랫폼
 
2017 tensor flow dev summit
2017 tensor flow dev summit2017 tensor flow dev summit
2017 tensor flow dev summit
 
Python으로 채팅 구현하기
Python으로 채팅 구현하기Python으로 채팅 구현하기
Python으로 채팅 구현하기
 
Python socket programming
Python socket programmingPython socket programming
Python socket programming
 
Perspective of query
Perspective of queryPerspective of query
Perspective of query
 
Denoising auto encoders(d a)
Denoising auto encoders(d a)Denoising auto encoders(d a)
Denoising auto encoders(d a)
 
Src슬라이드(3총괄2세부) 김유경
Src슬라이드(3총괄2세부) 김유경Src슬라이드(3총괄2세부) 김유경
Src슬라이드(3총괄2세부) 김유경
 
Python Network Programming
Python Network ProgrammingPython Network Programming
Python Network Programming
 
The art of data science
The art of data scienceThe art of data science
The art of data science
 
Akka & Actor model
Akka & Actor modelAkka & Actor model
Akka & Actor model
 
페이스북 기업활동, 성과측정 어떻게 할 것인가
페이스북  기업활동, 성과측정 어떻게 할 것인가페이스북  기업활동, 성과측정 어떻게 할 것인가
페이스북 기업활동, 성과측정 어떻게 할 것인가
 

Similar to Google analytics in business

언론사에 구글 애널리틱스 도입하기 - 강의 1주차
언론사에 구글 애널리틱스 도입하기 - 강의 1주차언론사에 구글 애널리틱스 도입하기 - 강의 1주차
언론사에 구글 애널리틱스 도입하기 - 강의 1주차chan693050
 
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)Amazon Web Services Korea
 
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015YoungMin Jeon
 
[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile
[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile
[비즈스프링] 모바일 웹로그분석 서비스 / Logger for MobileBizSpring Inc.
 
Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5Eunyoung Kim
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)동학 노
 
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)Treasure Data, Inc.
 
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기Amazon Web Services Korea
 
Emforce datalab insight report_google analytics interests
Emforce datalab insight report_google analytics interestsEmforce datalab insight report_google analytics interests
Emforce datalab insight report_google analytics interestseMFORCE
 
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018승호 박
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityJongho Woo
 
웹로그분석 솔루션 인사이트 제품소개서 2017
웹로그분석 솔루션 인사이트 제품소개서 2017웹로그분석 솔루션 인사이트 제품소개서 2017
웹로그분석 솔루션 인사이트 제품소개서 2017BizSpring Inc.
 
Web analytics 2.0 study ch.9
Web analytics 2.0 study ch.9Web analytics 2.0 study ch.9
Web analytics 2.0 study ch.9Eunyoung Kim
 
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션BizSpring Inc.
 
학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)
학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)
학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)Lab80
 
[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdfBizSpring Inc.
 
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례Amazon Web Services Korea
 
[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation
[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation
[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovationi2max
 
Data Web Grid 'SBGrid'
Data Web Grid 'SBGrid'Data Web Grid 'SBGrid'
Data Web Grid 'SBGrid'ssuser4e0be8
 

Similar to Google analytics in business (20)

언론사에 구글 애널리틱스 도입하기 - 강의 1주차
언론사에 구글 애널리틱스 도입하기 - 강의 1주차언론사에 구글 애널리틱스 도입하기 - 강의 1주차
언론사에 구글 애널리틱스 도입하기 - 강의 1주차
 
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
AWS Partner Techshift - (SaaS) 사업을 위한 데이터 기반 세일즈/마케팅 전략과 노하우 (트레져데이터 고영혁 수석)
 
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
 
[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile
[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile
[비즈스프링] 모바일 웹로그분석 서비스 / Logger for Mobile
 
Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5Web analytics 2.0 study ch.4-4.5
Web analytics 2.0 study ch.4-4.5
 
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
 
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
글로벌 사례로 보는 데이터로 돈 버는 법 - 트레저데이터 (Treasure Data)
 
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
AWS Finance Symposum_AWS 로 빅데이터 분석을 쉽고 간단하게 시작하기
 
Emforce datalab insight report_google analytics interests
Emforce datalab insight report_google analytics interestsEmforce datalab insight report_google analytics interests
Emforce datalab insight report_google analytics interests
 
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
하이퍼커넥트에서 자동 광고 측정 서비스 구현하기 - PyCon Korea 2018
 
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobilityData Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
Data Driven Decision을 위한 데이터플랫폼구축기@kakaomobility
 
웹로그분석 솔루션 인사이트 제품소개서 2017
웹로그분석 솔루션 인사이트 제품소개서 2017웹로그분석 솔루션 인사이트 제품소개서 2017
웹로그분석 솔루션 인사이트 제품소개서 2017
 
Web analytics 2.0 study ch.9
Web analytics 2.0 study ch.9Web analytics 2.0 study ch.9
Web analytics 2.0 study ch.9
 
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
[비즈스프링] BizSpring Insight™ - 엔터프라이즈 웹로그분석 솔루션
 
학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)
학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)
학교에서는 배울 수 없는 스타트업 엔지니어링 (연세대 특강)
 
[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf[BizSpring] Data Consulting_사례집.pdf
[BizSpring] Data Consulting_사례집.pdf
 
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
[Partner TechForum] 고객을 360도로 이해하고 수익으로 연결하는 글로벌 선도 금융 기업들의 데이터 플랫폼 활용 사례
 
Open platform/API overview
Open platform/API overviewOpen platform/API overview
Open platform/API overview
 
[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation
[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation
[아이투맥스] 2015.07_세일즈포스 crm 이노베이션 세미나 최신자료 salesforce crm innovation
 
Data Web Grid 'SBGrid'
Data Web Grid 'SBGrid'Data Web Grid 'SBGrid'
Data Web Grid 'SBGrid'
 

More from Tae Young Lee

LLMs Service that provides what users want to know
LLMs Service that provides what users want to knowLLMs Service that provides what users want to know
LLMs Service that provides what users want to knowTae Young Lee
 
Exploring Deep Learning Acceleration Technology Embedded in LLMs
Exploring Deep Learning Acceleration Technology Embedded in LLMsExploring Deep Learning Acceleration Technology Embedded in LLMs
Exploring Deep Learning Acceleration Technology Embedded in LLMsTae Young Lee
 
LLM 모델 기반 서비스 실전 가이드
LLM 모델 기반 서비스 실전 가이드LLM 모델 기반 서비스 실전 가이드
LLM 모델 기반 서비스 실전 가이드Tae Young Lee
 
Recommendation System History
Recommendation System HistoryRecommendation System History
Recommendation System HistoryTae Young Lee
 
검색엔진에 적용된 ChatGPT
검색엔진에 적용된 ChatGPT검색엔진에 적용된 ChatGPT
검색엔진에 적용된 ChatGPTTae Young Lee
 
검색엔진에 적용된 딥러닝 모델 방법론
검색엔진에 적용된 딥러닝 모델 방법론검색엔진에 적용된 딥러닝 모델 방법론
검색엔진에 적용된 딥러닝 모델 방법론Tae Young Lee
 
The Deep Learning Compiler
The Deep Learning CompilerThe Deep Learning Compiler
The Deep Learning CompilerTae Young Lee
 
History of Vision AI
History of Vision AIHistory of Vision AI
History of Vision AITae Young Lee
 
Enhanced ai platform
Enhanced ai platformEnhanced ai platform
Enhanced ai platformTae Young Lee
 
Real estate trust solution
Real estate trust solutionReal estate trust solution
Real estate trust solutionTae Young Lee
 
Transfer learning usage
Transfer learning usageTransfer learning usage
Transfer learning usageTae Young Lee
 
Create a solution including deep learning models
Create a solution including deep learning modelsCreate a solution including deep learning models
Create a solution including deep learning modelsTae Young Lee
 
Infra as a model service
Infra as a model serviceInfra as a model service
Infra as a model serviceTae Young Lee
 
Deep learning financial product recommendation model
Deep learning financial product recommendation modelDeep learning financial product recommendation model
Deep learning financial product recommendation modelTae Young Lee
 
Deep Learning Through Various Processes
Deep Learning Through Various ProcessesDeep Learning Through Various Processes
Deep Learning Through Various ProcessesTae Young Lee
 

More from Tae Young Lee (20)

LLMs Service that provides what users want to know
LLMs Service that provides what users want to knowLLMs Service that provides what users want to know
LLMs Service that provides what users want to know
 
Exploring Deep Learning Acceleration Technology Embedded in LLMs
Exploring Deep Learning Acceleration Technology Embedded in LLMsExploring Deep Learning Acceleration Technology Embedded in LLMs
Exploring Deep Learning Acceleration Technology Embedded in LLMs
 
LLM 모델 기반 서비스 실전 가이드
LLM 모델 기반 서비스 실전 가이드LLM 모델 기반 서비스 실전 가이드
LLM 모델 기반 서비스 실전 가이드
 
Recommendation System History
Recommendation System HistoryRecommendation System History
Recommendation System History
 
검색엔진에 적용된 ChatGPT
검색엔진에 적용된 ChatGPT검색엔진에 적용된 ChatGPT
검색엔진에 적용된 ChatGPT
 
검색엔진에 적용된 딥러닝 모델 방법론
검색엔진에 적용된 딥러닝 모델 방법론검색엔진에 적용된 딥러닝 모델 방법론
검색엔진에 적용된 딥러닝 모델 방법론
 
PaLM Paper Review
PaLM Paper ReviewPaLM Paper Review
PaLM Paper Review
 
The Deep Learning Compiler
The Deep Learning CompilerThe Deep Learning Compiler
The Deep Learning Compiler
 
History of Vision AI
History of Vision AIHistory of Vision AI
History of Vision AI
 
Aws architecture
Aws architectureAws architecture
Aws architecture
 
Enhanced ai platform
Enhanced ai platformEnhanced ai platform
Enhanced ai platform
 
Nvidia architecture
Nvidia architectureNvidia architecture
Nvidia architecture
 
Ai based on gpu
Ai based on gpuAi based on gpu
Ai based on gpu
 
Real estate trust solution
Real estate trust solutionReal estate trust solution
Real estate trust solution
 
Transfer learning usage
Transfer learning usageTransfer learning usage
Transfer learning usage
 
Create a solution including deep learning models
Create a solution including deep learning modelsCreate a solution including deep learning models
Create a solution including deep learning models
 
Infra as a model service
Infra as a model serviceInfra as a model service
Infra as a model service
 
Bayesian learning
Bayesian learningBayesian learning
Bayesian learning
 
Deep learning financial product recommendation model
Deep learning financial product recommendation modelDeep learning financial product recommendation model
Deep learning financial product recommendation model
 
Deep Learning Through Various Processes
Deep Learning Through Various ProcessesDeep Learning Through Various Processes
Deep Learning Through Various Processes
 

Google analytics in business

  • 1. 모바일과 웹 비즈니스 분석을 위한 Google Analytics 활용 Produce By Lee Tae Young
  • 2. Titanium에서 Analytics • tiapp.xml 에 <analytics>true</analytics> • https://my.appcelerator.com/auth/login?r edirect_to=http%3A%2F%2Fanalytics.app celerator.net%2F
  • 3. Default Setting • 먼저 Google APIs Console에 가서 새로은 프로젝 트를 만든다 https://code.google.com/apis/console/ • 새 프로젝트를 만들었다면 Services메뉴에 가서 Analytics API 서비스를 사용함으로 변경한다. • API Access 메뉴에 가서 Create an Oauth 2.0 Client-ID... 버튼을 클릭한다. • Product name, Home Page URL 등 정보를 입력한 다. • Application type은 web application으로 선택한다.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10. 2014년 We Make Price 사례
  • 11. 1st. Step – 다 꺼보죠?
  • 12. 모든 광고/제휴 채널을 OFF 해보니 비로소 각 마케팅 채널의 실 영향력이 보이기 시작함 마케터 R&R/KPI 설정, ROI 순 예산 집행 시작
  • 13. 2nd. Step – 오직 데이터로 말해주세요!
  • 14. 모든 마케터들이 GA를 배우고.. 본인이 담당하는 채널의 아주 구체적인 지표들을 직접 데이터로 정리 보고하기 시작함
  • 15. 3rd. Step – TEST & GO!
  • 16. 마케팅 채널의 선택과 예산은.. 광고, 제휴, 쿠폰 등 AB TEST를 통해 효과 검증 후 집행 확정 및 실질 예산을 배정받게 되고 매주 결과를 공유함
  • 17. 껐다 켜고, 테스트하고, 데이터로만 보고하고 판단하길 무한 반복하며 8개월을 보낸 뒤..
  • 20. 2014.1 ■ 닐슨코리안클릭 자료 기준 2014. 1. 월간기준 PC Web + Mobile Web/App 연속 2개월 소셜커머스 전체 1위 2014. 1월 5주차 PC Web + Mobile Web/App 옥션 UV 추월, 11번가와 4% 차이
  • 21.
  • 22.
  • 24. 위메프 마케터에게 분석이란? 까봤어? 믿지마, 의심해! [GA], [Admin], [Agency Report]
  • 25. 위메프 마케터에게 분석이란? 테스트 하고, 인사이트 얻고 [데일리체크리스트], [위클리 인사이트] @ google docs
  • 26. 위메프 마케터에게 분석이란? 경쟁사 [모니터링], [분석], [테스트]
  • 28. 그런 마케터에게 GA란? 자유롭게 설정가능 한 소스/미디엄(매체)/캠페인 ?utm_source=naver&utm_medium=cpc&utm_campaign=r_da source medium campaign NAVER, DAUM NATE, GOOGLE COUPONMOA 보통 트래픽의 출처 ROLLINGBOARD NEWS250, GDN META_AF, AF_AF 세부 매체명 또는 성격 J_DA_DAUM 회원가입, 매출 등 MAIN KPI를 소스/매체 구분없이 할 수 있도록 설정
  • 29. 그런 마케터에게 GA란? 전자상거래 및 목표세트를 소스/미디엄/키워드/캠페인별 체크 이를 다시 측정기준 드릴다운하여 더 디테일 하게 체크 가능 UI가 쉬운듯 어렵지만 마케터가 노력한 만큼 더 볼 수 있다는 것이 장점
  • 30. 그런 마케터에게 GA란? 실시간 트래픽 현황을 매체/콘텐츠/이벤트 별 파악 가능 소셜커머스의 시간제 판매방식에는 아주 적합
  • 31. 그런 마케터에게 GA란? 대쉬보드와 맞춤보고서 마케터별 측정이 필요한 요소로만 구성 가능
  • 32. 그런 마케터에게 GA란? 다채널 유입경로로 컨버전 추적 Funnel Strategy에 입각한 채널의 우선순위 파악 가능
  • 33. 그런 마케터에게 GA란? 아직 App D/L 및 Web과의 상호작용 트레킹은 부족 Universal Analytics를 기대해 봅니다.
  • 34.
  • 35. 목표 1. 아래의 과정을 통해 작동되는 G/A의 흐름을 이해 2. 각 흐름의 이해에 필요한 기본 개념 습득 3. G/A Report를 이해하는데 필요한 용어들의 의미 파악
  • 36. 데이터 흐름 데이터의 유입경로 – G/A에서 사용되는 데이터의 유입경로는 Tracking으로 추적 대상에서 직접 추적하는 방법과 외부 소수에서 가져오는 두 가지 경우가 있음 Tracking Importing
  • 37. Google Analytics이해 1. Collecting 2. Processing & Configuration 3. Reporting
  • 38. 1.Collection Collection의 개념 - User Activity의 정보를 모아 그리고 Hit이라는 단위로 데이터를 G/A로 보내는 것 Devices Your Google Analytics Account Interactions Hits Users Sessions Hits Devices의 종류에 따른 사용 도구 - Device의 종류에 따라 Hit을 생성하는 도구는 다르지만 작동방식은 유사함 Web – Java script “analytics.js” Mobile App – Software Development Kits
  • 39. 1.Collection Web과 Mobile App 각각의 Data Collection 방법 Tracking Code - Web Data Collection  Web Tracking 하려는 HTML에 G/A에서 제공하는 표준 Tracking Code를 <head>~</head>사이 삽입함  이 코드가 페이지를 불러 올 때마다 page view hit을 발생시킴  HTML에서 페이지를 불러오게 되면 HTML이 위에서 아래로 읽히기 때문에 사용자가 이 페이지가 완전히 열리기 전에 페이지를 떠난다 해도 Tracking Code는 작동하게 됨  Tracking Code는 JavaScript와 동기화 되지 않은 채로 움직이므로 브라우저가 다른 일들을 하더라도 계속해서 작동할 수 있음 진행방향
  • 40. 1.Collection Web과 Mobile App 각각의 Data Collection 방법 -Mobile App Collection  Software Development Kit이 정보를 수집하고 Hit을 만듦  모바일기기OS에 따라 SDK의 종류가 다르기 때문에 작동방법이 기기별차이 존재  Web과 비교해 Mobile은 Dispatching을 사용함 >SDK는 생성되는 Hit을 실시간으로 G/A로 보내지 않고 저장하며 일정시간마다 Dispatching함 (Android:매30분, iOS:매2분, 사용자 지정 가능) >Why? 1)모바일은 항상 온라인이 아닐 수 있음 2)발생되는 정보를 계속해서 보내면 기기의 배터리 소모가 큼
  • 41. Google Analytics이해 1. Collecting 2. Processing & Configuration 3. Reporting
  • 42. 2.Processing&Configuration Processing&Configuration을 통해 변하게 되는 4가지 (1) Hits의 Users와 Sessions에 해당하는 데이터를 구글의 규칙에 따라 분류  Users는 최초의 Hit이 발생되었을 때 G/A는 무작위의 식별번호를 받은 디바이스 >New Users와 Returning Users의 구분 따라서 이 식별번호에 따라 저장되지 않은 식별번호를 가진 Users는 New Users, 그렇지 않고 저장되어있는 식별번호를 가진 Users는 Returning Users >식별번호의 제거 이 고유식별번호는 Web의 브라우저 쿠키에 저장, 해당 App에 저장됨 따라서 브라우저의 쿠키/App을 삭제하면 고유식별번호는 함께 삭제됨 삭제된 뒤에 Web에 접속하거나, App을 재설치 할 경우에는 New Users가 됨  Session은 특정 시간 내 일어난 일련의 Interaction의 집합 시간의 흐름 30분 이내 30분 이내 30분 이내 아무런 Interaction 없이 30분 경과 바풀 접속 로그인 풀이영상시청 댓글작성 1 session >따라서, 한 Users가 다수의 Session을 기록할 수 있음 >30분은 구글 기본설정의 Time Length이므로 자사의 사정에 맞게 변경가능
  • 43. 2.Processing&Configuration (2) Importing을 통한 외부소스의 데이터가 G/A로 들어오게 됨 (3) Configuration Rule을 통해 포함되어야 할 데이터와 포함되지 말아야 할 데이터, 데이터의 형식변화 등의 데이터 가공을 하게 됨 세 가지 주요 방법: Filters, Goals, Grouping Filters >각각의 View에서 데이터를 변환시킬 수 있는 방법 >특정 데이터의 배제, 포함, 형태를 변환하는데 모두 쓰일 수 있음 Goals >Goal을 설정하며 어떤 행위가 Conversions으로 계산되어야 할지 알 수 있음 >Goal이 설정되면 Goal과 관련된 Metrics를 사용할 수 있음
  • 44. 2.Processing&Configuration  Grouping >그룹핑을 하면 특정한 데이터들을 한번에 묶어서 볼 수 있음 >그룹핑의 두 가지 타입: Channel groups & Content groups Channel Groups: 공통의 마케팅 경로를 통해 모인 데이터들임. 예:Facebook과 Twitter에서 온 Traffic을 그룹핑해 Social Media로 묶음 Content Groups은 동일한 부류의 내용을 그룹핑하는 것임. “수학문제” 4) Aggregation과정을 통해 데이터들을 의미있는 형식으로 준비된 데이터베이스 테이블에 정리됨  G/A를 열었을 때, 이미 여러 종류의 Report들을 빠르게 볼 수 있는 이유
  • 45. Google Analytics이해 1. Collecting 2. Processing & Configuration 3. Reporting
  • 46. Reporting Reporting에서 알아두어야 할 세 가지: Dimensions&Metrics, API, and Sampling (1) Dimensions & Metrics Dimensions은 데이터의 성격을 묘사해 주는 것 Metrics는 데이터의 양적 수치를 나타내는 것 각각의 Dimensions과 Metrics에는 데이터의 서열에 알맞은 scope를 가지고 있음 (Scope은 크게 User/Session/Hit으로 나뉘어짐 ex)Page title - visits(x) 일반적으로 같은 scope를 가진 Dimensions과 Metrics를 사용할 때 유의미한 :결과 도출가능 (2) APIs G/A의 데이터를 활용해 자기만의 Dashboard를 만들거나 또 다른 App을 만들 수 있음 API가 G/A에 쿼리를 요청하면 G/A가 데이터를 주는 방식 (3) Sampling 무작위의 상대적으로 적은 개수의 데이터를 가지고 Report를 뽑아내는 방법 이용 가능한 모든 데이터를 사용하는 것보다 부정확하지만 빠른 결과를 만들어 낼수 있음  샘플링은 Aggregation Table에서 바로 만들어 낼 수 있는 Report 이외의 Report를 만들기 위해 새로운 분석작업이 필요할 때, 너무 많은 수의 데이터를 다루는 경우 Sampling을 사용. 샘플링이 작동하기 위한 데이터의 수는 사용자가 지정할 수 있으면, 데이터 수가 많을 수록 정확하지만 속도가 느리고, 데이터 수가 적을 수록 속도가 빠르고 부정확해짐
  • 49. Report&Demension설명 – 기초화면 설명(1) - 보여줄 데이터의 기간설정 - 일정기간과 비교 가능 - 오른쪽 버튼으로 얼마나 많은 양의 데이터를 샘플 할 것인지 설정 - 왼쪽버튼은 도움말로 이 페이지의 기능 설명을 간 략히 들을 수 있음 하단 부분의 내용을 간략히 보여줄 수 있는 이미지(지도 혹은 그래프) Summary: 정보요약 Site Usage: (사용된 사이트) Goal Set1: (설정 된 Goal1의 달성 정도) Ecommerce: (거래 정보) 이미지 선택 (지도 or 그래프) Dimension에서 볼 Metrics의 종류 이 Dimension에서 선택할 수 있는 세부항목들 표시될 Segment 선택
  • 50. Report&Demension설명 – 기초화면 설명(2) 2차 Dimension 선택 커맨트 Dimension 검색기 자료 표시방법 변환 1차 Dimension 2차 Dimension 선택 시에만 제시됨 - 표 - 원그래프 - 막대그래프 - 평균비교 그래프 - 피벗테이블 Metrics 및 Metrics 수치
  • 51. 모든 Dimension의 정리 Dashboards Shortcuts Intelligence Events Real-Time Audience Acquisition Behavior Conversion - Private +New Dashboard - Overview - Overview - Daily Events - Weekly Events - Monthly Events - Overview - Locations - Traffic Sources - Content - Events - Conversions - Overview - Channels - All Traffic - All Referrals - Campaigns - Keywords - Cost Analysis - Adwords - Social - Search Engine Optimization - Overview - Behavior Flow - Site Content - Site Speed - Site Search - Events - AdSense - Experiments - In-Page Analystics - Goals - Ecommerce - Multi-Channel Funnels - Attribution - Overview - Demographics - Interests - Geo - Behavior - Technology - Mobile - Custom - Users Flow
  • 52. Dimension Audience Demographics Interests Geo Behavior Technology Mobile Custom Users Flow - Age - Gender - Affinity Categories - In-Market Segments - Other Categories - Language - Location - New vs Returning - Frequence&Recency - Engagement - User-ID Coverage(?) - Browser&OS - Network - Overview - Device - Custom Variables - User Defined Dimensions - 이용자의 나이 - 성별 - 관심분야 - 상품/서비스의 구매를 고려하는 잠재 고객들 - 자사의 사이트 방문에 관심을 가질만한 잠재고객 - 사용자의 브라우저에 설정되어있는 언어 - IP주소를 바탕으로 한 위치정보 - 신규 방문자, 재방문(*구분방법은 위에있음) - Count of Session: 정해진 기간 동안의 Session수/ Days Since Last Session: 마지막 세션으로부터 재방문일수 - Session Duration: 세션지속시간 Page Depth: 한 세션당 들어간 페이지의 수 - 웹사이트에 방문하기 위해 사용한 브라우저/OS의 종류 - 웹사이트에 방문하기 위해 사용한 인터넷의 서비스 제공자 - User들의 브라우저에 설정된 언어 - IP 주소에 근거한 위치 정보 Device Category(=Tablet, Mobile, Desktop) Device를 확인할 수 있는 브랜드/모델명/마케팅이름 - Interaction 단계별 사용자들의 흐름을 알 수 있음
  • 53. Dimension Acquition Channels All Traffic All Referrals Campaigns Keywords Cost Analysis AdWords Social Search Engine Optimization Dimensions - Default Channel Grouping Direct: 사이트에 다른 경로를 거치지 않고 바로 접속 Organic Search: 검색 엔진의 결과를 거치고 접속 Referral: 검색 엔진 이외의 사이트를 거치고 접속 - Source/Medium: 트래픽이 어디에서 오는지 알게 해줌 Source: 해당 컨텐츠를 보기 직전에 사용자가 있었던 장소 Medium: 어떻게 사용자가 해당컨텐츠에 도달했는지 알려줌 - Keyword: 사용자가 해당 사이트 도달하기 위해 사용한 단어 - Source: 해당 컨텐츠를 보기 직전에 사용자가 있었던 장소 Landing Page: 해당 사이트에 들어오기 위한 첫 페이지
  • 54. Dimension Behavior Behavior Flow Site Content Site Speed Site Search Events AdSense Experiments In-Page Analysitcs - All Pages - Content Drilldown(?) - Landing Pages - Exit Pages - Page Timings - Speed Suggestions - User timings - Usage - Search Terms - Pages - Top Events - Pages - Events Flow Dimensions - Interaction 단계별 사용자들의 흐름을 알 수 있음 - Pages: URI*로 표시된 페이지. *URI는 URL에서 도메인이름 바로 뒤에 따라 나오는 이름 예) www.example.com/contact.html의 URI는 /contact.html - Pages: URI*로 표시된 페이지. - Site Search Status: 내부 사이트 검색 사용자와 비사용자 구 분 - Event Category : 이벤트로 등록된 행위들의 목록 - Pages: URI*로 표시된 페이지 - Events Flow: 이벤트간의 이용자 이동의 흐름
  • 55. Dimension 그 이외 Report 간략 정리 Dashboards Shortcuts Intelligence Events Real-Time Conversion - Private +New Dashboard - Overview - Overview - Daily Events - Weekly Events - Monthly Events - Overview - Locations - Traffic Sources - Content - Events - Conversions - Goals - Ecommerce - Multi-Channel Funnels - Attribution Report 설명 - G/A사용자가 원하는 정보들만 모아서 볼 수 있게 해줌 - G/A사용자가 자주보는 정보들의 바로가기 - 특정 수치에 대해 알람을 만들 수 있음 - G/A의 실시간 분석 - 소비자의 소비가 실제로 일어나는 곳을 추적하게 해줌
  • 56. Metrics 설명 Metrics 설명 Avg.Session Duration – Session당 평균 지속 시간 Avg.Time on Page – 특정 페이지에서 사용자가 머무는 시간 평균 Avg.Value – 전체 Event 가치 평균 Bounce Rate – 한 페이지에만 접속하고 아무런 Interaction없이 바로 떠나는 방문수 Entrances – 사이트에 들어오기 위한 특정 페이지를 통한 이용자의 수 Event Value – Event들의 총 가치 – 설정된 Event별 가치를 곱해서 계산 Exits – 방문자가 이 페이지에서 사이트를 빠져나간 수 New Users – 최초의 고유식별 번호를 가진 Hits의 수 Page Value – (Transaction Revenue+Total Goal Value)/Unique Page views Pages/Session – Session당 페이지 수 – 작동된 페이지의 전체 수 Pageviews 반복되는 페이지의 작동도 모두 포함 Total Events – Events가 일어난 총 숫자 Unique Events – 일정기간 내 특정 dimension을 포함한 session의 발생횟수 Users – 일정기간 내 한 번의 Session이라도 가진 식별번호의 수 Session – 일정기간 내 Session의 총수 – Exits의 수/Page view의 수 %Exit 이용자가 이 페이지를 방문했을 때 얼마나 떠나는지를 보여줌 %New Sessions – 최조 방문자들의 비중 *Goal과 관련된 Metrics 제외 **G/A에서 제공된 설명을 기초로 작성되었기 때문에 실제 사용을 통한 검증필요 -Visitor가 Session으로 대체되었으나 G/A설명은 업데이트 되지 않음
  • 57. 참고 자료 • 데이터 분석을 통한 위메프의 성장과 Google Analytics • Google Analytics Seminar - Bapul